详情

原文传递车牌识别技术的研究及实现

论文题名：	车牌识别技术的研究及实现
关键词：	字符分割;神经网络;车牌识别;智能交通系统;加权平均值法;灰度化
摘要：	汽车在现代智能交通中对与我们而言是比较重要的交通工具。本文从车牌的定位、车牌字符分割、车牌字符识别三个方面入手对车牌识别系统进行研究，结合国内外的文献，对车牌识别技术进行深入研究。对车牌定位、字符分割分别进行了优化改进，使得系统识别车辆信息更加精确。　　在车牌识别技术中，首先对采集到的图片进行预处理。利用加权平均值法对图像进行灰度化处理，过滤掉干扰信息。然后，通过灰度图像直方图均衡化提高图像的对比度，使待测目标在整幅车牌图像中凸显出来。在车牌定位中，通过分析我国车牌的基本特征，结合先验知识，分析常用几种车牌定位方法。本文利用模板匹配快速定位车牌的方法，在此方法中，先用Roberts边缘检测算子分离出车牌的边缘，有利于后续利用特定模板对车牌图像进行定位提取。　　车牌字符分割是车牌识别系统中一个承上启下的环节。本文首先对车牌图像进行二值化、去噪声等一系列的优化处理，分析了字符分割的难点问题。对车牌字符分割的传统算法做了介绍。最后选择其中的投影法作为本文字符分割的实现方法。本文在车牌校正方面，利用混合倾斜校正的方法对变形的车牌进行处理。通过车牌本身和车牌自身特殊点在水平轴和垂直轴上的投影，得出车牌与水平轴、车牌与垂直轴之间的夹角。之后，利用旋转图像函数对车牌进行校正。对校正后的车牌进行字符分割时，利用先验知识和垂直投影相结合，根据我国车牌的特点，对二值化后的车牌图像从右向左进行扫描，统计扫描过程中每一列所出现的白色像素数。字符识别是车牌识别系统的关键性技术，本文在分析和总结常用的字符识别方法的基础上，重点介绍了BP神经网络对字符进行识别处理的过程，BP神经网络分类器的结构和BP神经网络的学习过程。在字符特征提取中，通过BP神经网络方法对字符识别。算法中分为:汉字识别子网络、字母识别子网络、数字识别子网络，为了提高识别的速度和准确度，对不同位置的字符进行分类识别。
作者：	冯瑞
专业：	计算机技术
导师：	雷聚超;李代勇
授予学位：	硕士
授予学位单位：	西安工业大学
学位年度：	2015
正文语种：	中文